谁来拯救不靠谱的民意测验

2016年11月8日，正在美邦纽约上西城的一间公寓里，Hernan Makse和几名挚友一边观望总统竞选缓缓张开，一边烹调鲈鱼，呷着麻布利酒。他们正在微软全美有线播送电台和福克斯信息之间调动着频道，同时眼睛还盯着札记本电脑上的《纽约时报》网站。该网站正正在及时更新“总统推选预测”。当经常间尚早，来自几个合头州的结果尚未揭晓。正在一个标注着“总统获胜时机”的反响民意尝试数据的滚动外格中，希拉里克林顿的赞成率上蹿到80%以上，而唐纳德特朗普则跌至20%以下。

Makse行动纽约市立大学的一名统计物理学者，曾对此次竞选结果下了一个科学赌注。正在此前一天，他的实践室团队正在正在线预印本文库arXiv上揭橥了一篇推敲论文，他们曾热切地对它举办了窜改，并使其揭橥工夫定正在推选日的下昼4点。就像《纽约时报》网站上的外格相通，他们预测了谁会成为总统。只不外该网站用的是各州的民意尝试数据，而Makse的预测则悉数基于推选前一个月推特网上的数据。

假使Makse的团队可能牢靠地预测推选结果，那么他们就有本钱吹法螺了。民意尝试是通过电话或挨家挨户访候的式样展开，劳动强度极大且本钱腾贵：它助推着180亿美元的财富。并且该伎俩也有自己题目。不单是回复率下降到个位数，让民意考核人仅能依赖稀有且存有成睹的样本，并且旧年对1000众位民意尝试者的了解发明个中存正在平凡的数据制假。与此相对，Makse的团队继续数月分秒不断地直接追踪数百万人的政事看法，并且他们是通过免费式样获取的这些讯息。

推特网并非科学家征求从推选到上街逛行等数据并收集为预测模子的独一正在线数据流。最大的本领公司如脸谱网和谷歌都邑天生让推敲职员免费行使的数据，假使这些数据的行使正在某些水准上存正在未便。是以，Makse和良众其他社会学家深思：正在线数据能否行动一种加强民意考核的预测性东西，以至是庖代它？

推选之夜的结果揭晓了谜底：目前为时尚早。跟着那一晚工夫的推移，Makse基于推特网的预测无间与价钱昂扬的民意尝试数据连结一概，预测克林顿将会以55.5%的得票率获胜。但两份预测都错了。正在他们晚餐终止之前，看着《纽约时报》网站数据驱动博客“最终结果”的结论，Makse终归回到了实际。“看到他们正在夜晚8点钟把对特朗普的赞成率从20%造成95%，这很是风趣。”他说。

预测人们会做什么以及为什么这么做是社会科学的重心。推敲到即使是预言一私人的作为也存正在难题，增添到预测一个社群或社会的作为如同毫无心愿。“但正在某种水准上这是个更容易的题目。”英邦牛津大学互联网推敲所盘算社会学家Taha Yasseri说。他供应了一个物理学界限的类比：假使单个粒子的运动看似随机，“由数百万个粒子组成的气体的作为是能够预测的。”

社会可行动物理题目来对待的见地有其深入来历。正在20世纪50年代，美邦科幻小说作家艾萨克阿西莫夫提出被称为心绪史乘学的科学分支。他设念，通过强壮的盘算机和有保护的数据集，推敲职员不光可能预测推选，还能预测帝邦的兴衰。

进程工夫的进展，阿西莫夫设念的盘算机和数据集都成为实际。但现正在，假使民意尝试本钱昂扬且出力低下，但该伎俩仍然是预测诸如推选等群体作为的采选性东西。对全宇宙推选竞赛举办了解的一项推敲说明，假使旧年11月产生的出人料念的结果，民意尝试仍然牢靠。

得克萨斯州歇斯敦大学社会学家Ryan Kennedy及其同事聚焦了历次总统推选的数据集。他们通过将推敲束缚正在投票者直接采选邦度率领人的推选上，而非通过像英邦那样基于政党的议会体例，规避了对照差异政府体例的纷乱性。这一过滤器留下了大宗的数据：最终的数据集来自二战从此86个差异邦度的500众次推选。

为了预测获胜者，Kennedy和波士顿西北大学社会学家David Lazer及其博士生Stefan Wojcik愚弄投票者的民意尝试数据以及其他可能影响推选的数据（蕴涵第三方评估的一个邦度的经济进展水准、民主自正在水准等），对各次推选体例地筑模。

他们将模子数据更新到2007年，然后用近来8年的128次推选数据对其举办验证。整个而言，他们可能正在80%~90%的工夫内无误预测获胜者。正在整个目标中，民意尝试到目前为止被阐明是最强有力的东西。“咱们预测，合于定量预测推选即将（陨命）的陈述被极大地夸张了。”作家嘲笑说。其他人也应承到目前为止，民意尝试仍吞没要紧位置。“假使你要预测人们所做的一个肯定，除了直接问他们之外别无他法。”哥伦比亚统计专家Andrew Gelman说。

不外，Lazer确以为，人们对民意尝试的依赖终将不会太久。“规范的民意尝试伎俩正处于垂危之中。”他说。一个道理是人们对民意尝试正渐渐变得遗失耐心，另一个身分是固网电信的腐败。假使你找不到人，就没举措对他们举办尝试。那么，来自互联网的数据长龙可能添补这一缺陷吗？它有“极大的可以性”，lazer说，“但正在这些伎俩变得有用之前仍有良众事变要做。”

个中一个挑拨是很难从人们的互联网风俗中（即他们的收集征采和社交媒体语言中）解读他们的动机。假使数百万人正在推特网上外达对某一竞选者的赞成或是对一名敌手的阻拦，它是否能够牢靠地猜想他们将会若何投票呢？“假使你不领会是什么正在影响他们的动机”，Yasseri说，预测人们的作为会很是棘手。

测试动机的一个精良实践区是维基百科，许很众众的人都正在将该网站行动一站式的本原讯息浏览地点。为明确解维基百科的通讯量可以揭示了什么样的推选结果，Yasseri及其位于牛津大学的同事Jonathan Bright继续正在跟踪体贴每5年欧盟议会推选政党角逐的访候维基百科网页的逐日访候者数目。由于这些投票者讲差异讲话，Yasseri和Bright分辩征求了该网站14种差异讲话的数据。

每个政党维基百科网页的访候者数目并不行牢靠地预测谁最终正在2009年和2014年的竞选中取得席位。“这并没有那么容易。”Yasseri 说。他的外面是投票者是寻找最低限定讯息从而作出肯定的“讯息缺乏者”。然而，本质上，他们发明最生动的维基百科网页是那些新变成的政党的网页，正在推选前的一周内访候量会抵达高峰。

为了验证人工预测作为，Yasseri现正在出席了筑造“社会数据库”的一个欧洲团队，该数据库就像一个遗传数据库，可能供应片面人群的生齿统计原料、强壮记载、正在线浏览脚印以至是转移手机数据等深度讯息。一起头，该项目将聚焦英邦、芬兰、匈牙利、西班牙和斯洛文尼亚等邦。“咱们必要弄通晓若何让这些数据匿名化。”Yasseri说。其心愿是跟踪相对照较少的人的正在线作为可能让推敲职员猜想少许人访候一个网站、留言以及肯定投票的动机是什么。一朝他们处分了匿名性的题目，他说，该团队心愿起头正在几年内预测推选等结果。

Makse正正在想法改变他基于推特网的模子。正在特朗普中选后的来日诰日，他正在实践室中睹到了己方的推敲生和博士后。当时的气氛有点倒霉。“他们众人半是外邦人。”他说，特朗普竞选中的阻拦移民发言令人相当不速。

他们对己方的推特网推敲举办了一次“尸检”，以寻找他们当初可以疏漏的蛛丝马迹。假使推特网数据比征求民意尝试结果容易得众，但它们更难证明，从而变成了民意尝试专家一贯不必要思量的少许挑拨。

比方正在竞选前合于“是克林顿照旧特朗普”的为期4个月、数目达7300万的推特网留言中，有众少留言是由人写的？推特网平台首肯步武人的盘算机编程列入正在线计议。然而，它们并未被标注出来，正在良众侦查者查看时，它们只是亲热飞腾的跟班者和投票者，回应了少许政事口号，增添了少许见地。安放这些声响就像是正在观众中植入少许人来嘲乐你的乐话。

推特网未知的用户群体中尚有必定数目的拿支出酬劳的黑客。正在Makse的了解中，个中一个最有影响力的赞成特朗普的推特用户是@LindaSuhler。而凭据注册账户原料，其身份是“博士生Linda Suhler”，然而互联网上并没有此人的任何记载，而《科学》杂志发给该用户的推特讯息也从未获得恢复。

假使这些题目能够被跟踪，来自社交媒体的讯息可以会增长推选预测的切实性，Makse说。但咱们必要何等正确的结果？Gelman戒备称，心绪史乘学也有负面效用。他说，假使人们可能以完整的正确性预测推选结果，那么推选自己“就会变得没蓄志义”。（晋楠编译）